English

sample-image

Beschreibung

In der klinischen Forschung und der Entwicklung neuer Medikamente gegen Krankheiten wie Krebs, Alzheimer oder Diabetes generieren akademische Forschergruppen und große Pharmakonzerne eine rasant zunehmende Menge an Daten. Die Daten bleiben oft Inseln, weil es nicht möglich ist, ältere Studien und externe Datenbanken mit den neuesten Experimenten zu verknüpfen. sample-image
HUMIT: Von Daten-Inseln zu integrierten, vernetzten biomedizinischen Daten
Das Projekt HUMIT „Human‐zentrierte Unterstützung inkrementell‐ interaktiver Datenin-tegration am Beispiel von Hochdurchsatzprozessen in den Life Sciences“ will durch neue Big-Data-Methoden mehr Infor-mationen aus der Kombination neuer und schon existierender Daten gewinnen. Dabei adressiert das Projekt unter Füh-rung des Fraunhofer-Instituts für Angewandte Informationstechnik FIT in Sankt Augustin sowohl die Anwender in kleinen und großen Pharmafirmen als auch in den öffentlichen Forschungseinrichtungen.

Die Fraunhofer-Institut für Molekularbiologie und Angewandte Oekologie (IME) führt als Pharmadienstleister Hoch-durchsatz¬experimente für die Suche nach neuen Wirkstoffen durch. In den bereits gesammelten Daten stecken viele Informationen, die auch für neue Fragestellungen genutzt werden könnten. Das Deutsche Zentrum für Neurodegenera-tive Erkrankungen (DZNE) sammelt ebenfalls viele Experimentaldaten bei der Erforschung der Ursachen von Alzheimer und Parkinson, kann das Material aber nicht umfassend mit den weltweiten Forschungsdatenbanken abgleichen. Zu-sammen mit Fraunhofer FIT und dem Laborinformationssystem-Anbieter soventec wollen die Partner Wege finden, wie die vielfältigen Informationen in Zukunft besser integriert und genutzt werden können, um komplexe Krankheiten bes-ser zu verstehen und die Wirkungen und Nebenwirkungen von Substanzen besser zu erfassen.

Die zentrale Herausforderung ist die hohe Heterogenität biomedizinischer Daten. Experimentalansätze und Modelle ändern sich in der Forschung sehr schnell und damit auch die Datenstrukturen. Das Projekt will neue Methoden entwi-ckeln, die es einem Nutzer ermöglichen, interaktiv aus den vorhandenen Daten die Struktur zu erkennen und mittels einer neuen Technologie mit anderen Strukturen zusammenzubringen. Da die Integration immer nur für die notwendi-gen Daten erfolgt („as-you-go“), ist sie leichter zu prüfen und anzupassen. Der Forscher behält also die ultimative Kon-trolle über Form und Interpretation seiner Daten.

Auf diese Weise will das Projekt die datengetriebene Erkenntnisgewinnung voranbringen. Obwohl sich das Projekt vor-nehmlich der vorklinischen Forschung widmet, richtet es auch das Augenmerk auf die Integration klinischer Daten und sorgt dafür, dass die hohen Anforderungen an Sicherheit und Privatsphäre solcher Daten durch Big-Data-Ansätze nicht unterlaufen werden.

An den zukünftigen Ergebnissen des Projektes gibt es bereits jetzt großes Interesse von Seiten der Pharmaindustrie und der zugeordneten Softwarebranche. Das Projekt soll dazu beitragen, den Forschungsstandort Deutschland attraktiv zu halten und Ressourcen in der gesundheitsorientierten Forschung effektiver zu nutzen.